-
公开(公告)号：CN110162804B
公开(公告)日：2020-01-21
申请号：CN201810021270.9
申请日：2018-01-10
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种基于CPU加速的波场正演模拟优化方法，其包括以下步骤：S1)提出波场正演具体物理模型；S2)进行数值建模；在空间维度上使用高阶差分来模拟二阶微分，从而减小内存的使用；在时间维度上减少延拓步长；S3)进行静态分块及分配：根据线程数量k，将图像沿长边方向平均分成k个子图，然后将其按顺序标记后作为基础子图；S4)并行化及通信时间隐藏；S5)模型拆分和任务分解。本发明能够有效提高波场正演模拟的计算速度，并且能动态分块调配节点，从模型分块和通信时间隐藏两个方面优化，进行并行加速，充分利用多核计算资源，并有效的同步模拟实际物理传播过程。
-
Patent Agency Ranking
公开(公告)号：CN111369637B
公开(公告)日：2023-07-14
申请号：CN202010201209.X
申请日：2020-03-20
Applicant: 成都信息工程大学 , 成都盛达仁科技有限公司
IPC: G06T11/00
Abstract: 本发明属于医学图像处理技术领域，公开了一种融合白质功能信号的DWI纤维优化重建方法及系统，基于全局优化类的贝叶斯最优路径算法，将白质fMRI融合到DWI全局优化纤维重建中，加入功能先验信息纤维，从全局纤维中找到连接特定功能区域的最优路径。本发明提供了一种将白质fMRI融合到DWI全局优化纤维重建中，加入功能先验信息纤维重建出最优功能路径的方法，可有效抑制局部噪声，得到执行特定功能的最优连接路径，避免得到局部最优解。本发明打破了仅通过空间位置形成最优路径的框架，重建出在执行特定脑活动时，大脑信息传递的最优路径。
-
公开(公告)号：CN108132872B
公开(公告)日：2020-04-03
申请号：CN201810021292.5
申请日：2018-01-10
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种基于并行超算网格云平台的GRAPES系统优化方法，其包括：S1)载入测试数据集并运行系统，分别进行系统级测试、通信级测试和函数级测试，其包括：S1.1)系统级测试；S1.2)通信级测试；S1.3)函数级测试：对调用的函数进行监控，获取函数的运行特征。S2)根据导出的系统特征文件进行测试结果分析，其包括：S2.1)系统测试结果分析；S2.2)MPI通信级测试结果分析；S2.3)函数级测试结果分析。S3)根据分析结果进行优化处理，优化处理包括：向量化、负载均衡、使用库函数替代GRAPES_GFS中的函数。本发明解决了Grapes在并行超算网格平台上的优化问题，提高了系统运行效率。
-
公开(公告)号：CN111369637A
公开(公告)日：2020-07-03
申请号：CN202010201209.X
申请日：2020-03-20
Applicant: 成都信息工程大学 , 成都盛达仁科技有限公司
IPC: G06T11/00
Abstract: 本发明属于医学图像处理技术领域，公开了一种融合白质功能信号的DWI纤维优化重建方法及系统，基于全局优化类的贝叶斯最优路径算法，将白质fMRI融合到DWI全局优化纤维重建中，加入功能先验信息纤维，从全局纤维中找到连接特定功能区域的最优路径。本发明提供了一种将白质fMRI融合到DWI全局优化纤维重建中，加入功能先验信息纤维重建出最优功能路径的方法，可有效抑制局部噪声，得到执行特定功能的最优连接路径，避免得到局部最优解。本发明打破了仅通过空间位置形成最优路径的框架，重建出在执行特定脑活动时，大脑信息传递的最优路径。
-
公开(公告)号：CN110162804A
公开(公告)日：2019-08-23
申请号：CN201810021270.9
申请日：2018-01-10
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种基于CPU加速的波场正演模拟优化方法，其包括以下步骤：S1)提出波场正演具体物理模型；S2)进行数值建模；在空间维度上使用高阶差分来模拟二阶微分，从而减小内存的使用；在时间维度上减少延拓步长；S3)进行静态分块及分配：根据线程数量k，将图像沿长边方向平均分成k个子图，然后将其按顺序标记后作为基础子图；S4)并行化及通信时间隐藏；S5)模型拆分和任务分解。本发明能够有效提高波场正演模拟的计算速度，并且能动态分块调配节点，从模型分块和通信时间隐藏两个方面优化，进行并行加速，充分利用多核计算资源，并有效的同步模拟实际物理传播过程。
-
公开(公告)号：CN108132872A
公开(公告)日：2018-06-08
申请号：CN201810021292.5
申请日：2018-01-10
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种基于并行超算网格云平台的GRAPES系统优化方法，其包括：S1)载入测试数据集并运行系统，分别进行系统级测试、通信级测试和函数级测试，其包括：S1.1)系统级测试；S1.2)通信级测试；S1.3)函数级测试：对调用的函数进行监控，获取函数的运行特征。S2)根据导出的系统特征文件进行测试结果分析，其包括：S2.1)系统测试结果分析；S2.2)MPI通信级测试结果分析；S2.3)函数级测试结果分析。S3)根据分析结果进行优化处理，优化处理包括：向量化、负载均衡、使用库函数替代GRAPES_GFS中的函数。本发明解决了Grapes在并行超算网格平台上的优化问题，提高了系统运行效率。
-
-
-
-
-
Search Results
6
records
(took 0.024 seconds)
